解构游戏机制

游戏机制是游戏剥离美学、技术、故事设定之后最纯粹的部分,也是游戏的真正内核。虽然并没有囊括万物的完备理论来解构游戏机制,但模糊地来说,还是可以分为六个主要部分:1)空间,2)对象、属性和状态,3)行为,4)规则,5)技能,6)偶然性。

机制 #1 空间:所有的游戏都有空间,但并没有硬性的规定来描述这些游戏空间的边界。

  • 它们可以是离散的二维空间,比如大多数棋盘,围棋、象棋、五子棋,每一个可以放棋的格子在拓扑学上就是一个零维空间单元,有些单元与单元之间存在着连接来表达某种逻辑规则。
  • 它们也可以是连续的二维空间,比如台球桌,比如超级马里奥,甚至是三维空间,比如足球的球门,反恐精英等。
  • 还有嵌套空间,比如有些奇幻游戏当中的洞穴,城堡等,玩家可以进入这些与外部空间完全分隔的独立空间。虽然在物理模型上讲是不合现实的,但它们恰恰符合我们对空间认知的心理模型。这种嵌套空间能很好地把复杂的世界用一种简单的方式呈现。
  • 还有特殊的零维空间,比如用二十个回答「是」或「否」的问题猜出对方想的东西的游戏中,游戏空间发生在对话之中,还有玩家大脑里想象的逻辑树。

机制 #2 对象、属性和状态:对象是游戏空间里活动的实体,比如一个赛车游戏里,赛车是一个对象,赛车拥有时速,加速度之类的属性,而具体到数值的时候,就是状态。

当设计 AI 角色的时候画一个状态机有时候会非常有用,比如吃豆人的「幽灵」角色的状态机:

每一个圆圈代表幽灵的状态,双线圆圈代表初始状态,箭头代表可能的状态转换,箭头上面的文字代表状态转换条件。这个状态机仍然是简化了的版本,比如在「追击吃豆人」这一步中,还有「搜索吃豆人」到「尾随吃豆人」的子状态。

游戏的属性和状态并不一定需要公开,对有些游戏比如扑克游戏和有些卡牌游戏,通常玩家手中的牌只有玩家自己知道。游戏性的关键其实在于猜测对手的手牌。

机制 #3 行为:行为即「玩家能做什么」。有两种方式,一种是玩家可以做的基本「操作」,第二种是玩家的这个操作导致的「结果」。比如在围棋当中,玩家的操作就是在19x19的棋盘中的空位落一子。但这个操作的结果就非常之多:提一个子,占一块地,做一个眼,威胁对手,弃子争先,等等一系列策略性的结果。

一个好的游戏通常会拥有一个低的「操作」/「结果」比例,即少量的操作能产生出大量的变化。玩家在自发地创造出一些策略时也同时在为他们自己创造体验。这里有五个提示,能帮你建立一个「自发游戏」:

  • 添加更多的操作,增加操作之间有意义,有变化的交互。比如「走」「跑」「跳」「射击」比单纯的「走」拥有更多的操作间交互的可能性,也会更加有趣。但要注意过分臃肿的操作并不能为游戏带来更好的体验,注意「操作」/「结果」的比例。
  • 操作在大量对象上,比如你可以「射击」,不但可以射击怪物,还可以射击门把手,玻璃窗,吊灯,轮胎。
  • 目标可以通过多种方式达成,这一条要和上面一条配合,比如你面对一个怪物,你可以射击怪物把打死,也可以射击门把手逃出怪物的控制范围,也可以射击吊灯把怪物压住等。当然,这样的设计会让游戏平衡性受到挑战,如果玩家拥有了一种明显优势的选择,那么玩家可能总会坚持那种选择。
  • 大量的主对象,主对像即能发出操作的对象,比如围棋的棋子,围棋的魅力少不了大量的棋子,事实上,对于围棋来说,玩家实际上拥有无限的棋子,因为在棋子用完之前游戏一定会结束。
  • 操作带来的游戏空间的改变,还是在围棋中,每一颗棋子在棋盘上与其他棋子一起所形成的「势」会时时改变玩家的策略,对围棋来说,有的规则还规定棋盘上不允许同样的棋形再次出现。

机制 #4 规则:规则约束了玩家的行为,也带来了玩家的目标,下图是 David Parlett 的规则分析。

David Parlett 的规则分析

  • 操作规则:玩家在游戏中需要做什么?当一个玩家了解操作规则之后,就可以开始玩游戏了。
  • 基本规则:我的理解是,玩家的目标,以及状态变化的一种数学表现,通常玩家并不知道这些,设计师也很少正式地将基本规则全部集合文档化。
  • 行为规则:行为规则是隐含的,玩家间默认的规则,比如观棋不语,落子无悔等。
  • 书面规则:书面规则就是玩家需要知道的游戏规则的书面文字版本,通常只有很少数的人会阅读这些文字。大多数玩家通过他人的讲述和介绍,或者视频游戏中的可交互教程学会游戏。设计师应当在游戏完成时能轻松地告诉玩家如何去玩,而不是像程序员一样告诉对方:Read The F*cking Mannual.
  • 法规:只有在很严肃的,竞技性比赛的场合才会有这样的规则,这些规则通常被称为「竞标赛规则」。比如三局两胜,淘汰赛规则等。法规是在游戏规则之外确保平衡和公平的一些规则。
  • 正式规则:正式规则是法规和书面规则结合在一起的规则,有时候法规最后会同化到书面规则里面,比如「五子棋」当中的禁手规则。
  • 建议规则:建议规则并不算规则,只是为了让玩家玩的更好的一些提示。比如围棋里面的开局定式。
  • 小众规则:这个规则并没有被 Parlett 明确地写出来,但是玩家在玩的过程当中,可能会不满意游戏中的某些设定,或者想平衡玩家技术差距而自行进行的改动。比如围棋中的让子。

除了以上这些,规则当中最重要的部分是目标,游戏目标拥有三个特征,1)具体到玩家们能清晰地理解并复述出他们的目标。2)玩家需要认为他们有机会达到目标。3)完成目标后的奖励。

机制 #5 技能:大多数游戏需要玩家掌握技能,这些技能可大致被分为3类:

  • 身体技能:包括力量,灵活度,协调性和耐久力,经常是体育游戏的重要部分,有些视频游戏也会要求手眼配合能力。
  • 脑力技能:这些技能包括记忆力,观察力,解密能力。有些人可能会回避一些脑力游戏,但大多数好玩的游戏都需要脑力来做决策。
  • 社交技能:包括洞察对手的想法,蒙骗对手以及与队友合作等。

以上技能都是玩家的真实技能,除此之外还有虚拟技能,比如游戏角色的等级,招式等。在玩家真实技能没有任何提升的前提下,提升游戏角色的虚拟技能,可以给玩家带来非常的能力感受。当然,如果滥用的话,会让人感觉很虚伪。

机制 #6 偶然性:最后这个机制将与其他五个机制互相作用。这也是一款游戏中的核心部分,不确定性意味着惊喜,是乐趣的神秘要素。

设计师最好能懂一些基本的排列组合,概率论,期望值算法以及计算机辅助模拟算法。如果没办法的话,至少要知道谁懂得并且可以帮到你。

但设计师不是数学家,设计师除了关心事件的实际概率,同时还要关心感知概率。所谓感知概率是人们可能在内心中高估或低估一些概率。比如自然死亡的概率会被低估,而非自然死亡的概率则会被高估。此外,还要考虑风险厌恶型和风险偏好性的人的选择并不完全依据期望值来选择。尤其是你并没有告诉玩家具体的数值,玩家自己尝试时凭感觉选择的时候。

对于玩家来说,技能和概率是纠缠在一起的。比如

  • 评估概率对玩家来说是一种技能。
  • 评估对手能力,做出一些假象,比如表现得让对手认为你很强,从而阻止他们采取高风险的行动,或者表现得让对手认为你很弱,从而诱使他们轻敌或冒险。
  • 预测和控制纯随机是一种想象力,玩家会有意无意地寻找模式,寻找原因和显现之间的关联,即使是纯随机事件。作为一名设计师,应该理解并利用玩家的这种心理,让玩家觉得自己在锻炼并提高了技能从而得到更大的乐趣。

总结

lens #21 功能空间:用这些问题思考游戏机制中真正的空间:

  • 这个游戏的空间是连续的还是离散的?
  • 空间拥有多少维度?
  • 空间的边界在哪?
  • 有没有子空间,子空间是怎么连接起来的?
  • 可以抽象,简化建模游戏空间吗?

lens #22 状态:玩游戏是决策制定的过程,决策制定需要信息,设计者需要决定谁能知道这些信息。询问自己如下问题:

  • 游戏中的对象都是什么?
  • 这些对象有哪些属性?
  • 每个属性的可能状态是什么?以及这些状态间转变的条件是什么?
  • 什么状态是不需要玩家知道的?
  • 什么状态是只有一部分玩家知道的?
  • 什么状态是所有玩家都知道的?
  • 改变状态的公开程度会在某些方面提升游戏吗?

lens #23 自发游戏:让游戏拥有更多的变化:

  • 玩家拥有多少种操作?
  • 每个操作可以与多少种对象,多少个对象进行交互?
  • 玩家拥有多少种方法来实现目标?
  • 玩家拥有多少目标?
  • 操作与对象之间的交互能否带来游戏策略/空间的改变?

lens #24 行为:思考玩家能做什么,设计师需要小心地设计行为,要么创造出令人惊喜的「自发游戏」,要么就是毫无期待的乏味游戏。询问自己如下问题:

  • 游戏中的操作行为有哪些,结果行为可能有哪些?
  • 你还想看到哪些结果,如何改变操作让这些结果变得可行?
  • 你认为玩家还想看到哪些结果,是否可行,如何改变操作让这些结果变得可行?
  • 结果行为和操作行为的比例是否令你满意?

lens #25 目标:游戏的目标应当恰当且平衡,询问自己如下问题:

  • 游戏的最终目标是什么?
  • 玩家们清晰地知道这个目标吗?
  • 除了最终目标外,还有哪些阶段性目标?
  • 阶段性目标是否相关联?
  • 阶段性目标是否足够具体,可达到,且有奖励?
  • 玩家们有机会决定他们自己的目标吗?

lens #26 规则:设计师需要不断地测试和改写规则,直到游戏最终完成,询问自己如下问题:

  • 游戏有哪些操作规则。
  • 伴随着游戏的发展,是否形成了一些「法规」或「内部规则」呢?这些规则是否应该被直接整合到游戏之中?
  • 在游戏中有子游戏吗?子游戏是否让游戏变得更好玩了呢?能否减少或增加?
  • 是否需要裁判,或执法者。
  • 这些规则是否易于理解,如何改进?

lens #27 技能:审视要求玩家掌握的技能,利用适当的挑战和虚拟技能让练习技能变成一件充满乐趣的事情,询问自己如下问题:

  • 游戏都要求玩家掌握什么技能?
  • 游戏中是否缺乏某种技能类型?
  • 哪些技能是主要技能?
  • 这些技能可以创造出我所希望的游戏体验吗?
  • 是否有些玩家对于这些技能的掌握会明显好过其他玩家,如何平衡?
  • 玩家能否通过练习来提升他们的技能水平?
  • 这款游戏是否需要某种程度的技能水平?

lens #28 期望值:思考游戏不同事件的发生几率,期望值是平衡游戏最好的工具。询问自己如下问题:

  • 这些事件的发生几率是多少?
  • 玩家感知的几率又是多少?
  • 那个事件拥有什么样的期望值?能否被量化?
  • 我们对玩家认知的期望值感到满意吗?这些期望值让玩家感到有趣了吗?玩家收到的奖励或惩罚是否合适?

lens #29 概率:适量运用风险和随机性,能调和游戏让游戏更美味,同时不要局限于数字概率,所有的未知事物中都可以包含偶然性。询问自己如下问题:

  • 游戏中哪些部分是真正随机的?哪些部分是让人感觉随机的?
  • 这些随机的部分是否为游戏的趣味性做了贡献?
  • 通过调整概率分布能否提升游戏的趣味性?
  • 玩家是否为了有趣的体验而承担了风险?
  • 几率和技能之间的有没有纠缠,是否有原本是随机的元素让玩家感到更像是技能的练习?
  • 是否拥有方法让技能的练习更像是随机元素?

这篇文章是我读 Jesse Schell 的 The Art of Game Design 的笔记和感悟,本书也有中文译本,名字叫全景探秘游戏设计艺术。接下来的几天,我会陆续发布后续的文章笔记。


本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Alan的UX笔记

那些设计方法背后的心理学原理

1475
来自专栏java一日一条

中级程序员还应该如何提高自己?

当程序员已经处于中级时,应如何提高自己?有很多关于“学习编程”的资源,能够让人从0到新手(虽然这些资源中大多数的质量是值得商榷的),但是怎么样才能将中级水平提高...

914
来自专栏华章科技

关于Python的一切:2018年,你读这8本书就够了

导读:C++、Java大神Bruce Eckel前些天在中国之行中,毫不掩饰对Python的偏爱:“坦白来讲,我最喜欢的语言是Python。每当我有问题需要被解...

1121
来自专栏Alan的UX笔记

那些设计方法背后的心理学原理

2204
来自专栏高性能服务器开发

再谈“我是怎么招聘程序员的”

我以前写过一篇《我是怎么招聘程序员的》的文章(在CSDN那里有很多人进行了回复)。今天,我想再谈谈关于招聘和面试这方面的东西,主要是以下这些原因:

1544
来自专栏大数据文摘

机器学习编程语言之争,Python夺魁

30317
来自专栏大数据挖掘DT机器学习

机器学习编程语言之争,Python夺魁

究竟哪种语言最适合机器学习成为争论不休的话题。近日,密西根州立大学的博士生 Sebastian Raschka 再次发起了机器学习编程语言之争(http://s...

33912
来自专栏人工智能快报

IARPA启动“机器翻译(MATERIAL)”计划

国家情报总监办公室内的情报高级研究项目活动今天宣布了一项多年的研究努力,开发一种语言处理软件,称为“机器翻译”,用于英文检索各种语文的信息,使用户能够迅速开发和...

4089
来自专栏CDA数据分析师

机器学习编程语言之争,Python夺魁

来自InfoQ 随着科技的发展,拥有高容量、高速度和多样性的大数据已经成为当今时代的主题词。数据科学领域中所采用的机器学习编程语言大相径庭。究竟哪种语言最适合机...

2068
来自专栏老九学堂

学编程前弄清楚这些问题,必将事半功倍

1 学习编程必须得学习数学吗? 这个答案不是绝对的,不过在绝大多数情况下,答案是“不是”。 作为程序员,需要花很多时间在写代码上,而不是写数学公式,而且你的数学...

2916

扫码关注云+社区

领取腾讯云代金券